بهبود محلی کیفیت تصاویر چهره با سایه شدید به منظور ارتقاء شناسایی

تغییر شرایط نوری، به خصوص تآثیر نورپردازی های جانبی در تصاویر چهره، یک مانع اصلی در سیستمهای شناسایی چهره محسوب می شود. روش های مختلفی برای حل این مساله پیشنهاد شده اند که با مدلسازی تغییرات نور و یا استخراج ویژگی های پایای تصویر به شناسایی چهره می پردازند. بسیاری از این روش ها به دانش قبلی درباره منبع نور، زاویه نورپردازی و تشخیص ناحیه سایه نیاز دارند. در این مقاله روش جدیدی مبتنی بر تبدیل h-minima برای ناحیه بندی تصویر و اصلاح نورپردازی در تصاویر چهره ارائه می شود. روش پیشنهادی طی چند مرحله به استخراج و اصلاح الگوی سایه می پردازد و در نهایت با استفاده از معیار مبتنی بر گرادیان، بهترین الگوی سایه را برای تصویر مشخص می کند. سپس، الگوی سایه پیشنهادی برای بهبود روش Retinex (که با تفاضل الگوی روشنایی از تصویر اصلی در دامنه لگاریتمی، مولفه انعکاس را به عنوان ویژگی پایا از تصویر استخراج می کند) استفاده می شود. نتایج بدست آمده روی پایگاه های تصویری Yale B و Extended YaleB نشان می دهد که روش پیشنهادی دقت شناسایی در روش Retinex را به نحو مطلوبی افزایش داده و نتایج موثری را در اصلاح نورپردازی تصاویر چهره حتی در سایه های شدید ارائه می دهد.